Препарируем MLOps в бесплатном курсе: 7 полезных материалов о дисциплине и инструментах для работы с ML-моделями
Привет, Хабр! У нас вышел новый бесплатный образовательный курс — «Выстраиваем работу с ML». В нем мы подробно рассматриваем концепцию MLOps и рассказывают об инструментах для работы с ML-моделями. Изучение всех материалов займет около трех часов. Под катом рассказываем, что вас ждет в курсе.
О курсе
Все больше компаний внедряют элементы машинного обучения и работу с ML-моделями в системы. Бизнесу нужны системы рекомендаций, финансового скоринга, умные поисковые алгоритмы и другие современные решения. При этом стандарты по внедрению ML-сервисов в большинстве компаний находятся на стадии формирования.
Цель нового бесплатного курса Selectel — про выстраивание работы с ML — поделиться опытом и знаниями специалистов в развивающейся отрасли. В центре курса — описание концепции MLOps. Это дисциплина, направленная на унификацию процессов разработки и развертывания ML-систем.
Три ракурса на MLOps
На эту концепцию можно посмотреть с разных сторон: с точки зрения инфраструктуры, процессов и команды. Мы предлагаем взгляд провайдера.
→ Что такое MLOps? Теоретический аспект
Смотрим на концепцию через детальный разбор схемы, созданной тремя немцами — авторами статьи «Machine Learning Operations (MLOps): Overview, Definition, and Architecture». На данный момент это одна из самых толковых и полных схем построения MLOps.
→ Артефакты MLOps: данные, модель, код
Если проанализировать существующие тексты про MLOps, авторы в основном пишут про работу с тремя типами артефактов: данными, моделями, кодом. Закрепляем понимание концепции через упрощенное объяснение.
→ MLOps как информационная система
Взяли шесть элементов информационных систем — от «железа» и софта до команды — и описали, как они могут быть представлены в ML-платформе компании.
Помимо перечисленных текстов, в курсе вас ждут обзор инструментов для ускорения ML-моделей, описание опыта использования Kubeflow в продакшене и разбор платформ обработки данных.
Присоединяйтесь к сообществу про production ML-сервисов
→ Вступить в группу
Если вам интересна тема курса, вступайте в наше сообщество в Telegram. В нем уже более 1 000 участников, которые решают или будут решать задачи, связанные с развитием machine learning в компаниях. В комьюнити открыто обсуждаем проблемы и лучшие практики, делимся опытом и полезными источниками для углубления знаний в DataOps и MLOps.
